CV / PPOCR

PPOCR

Detects text polygons, rectifies each region, recognizes the text, and returns coordinates and confidence.

7 downloads

Precisie

RKNN

Kies het apparaat dat je gebruikt. De installatiehandleiding en documentatie worden dienovereenkomstig bijgewerkt.

Platform

Inferentie-engine

Aan de slag

Implementeren

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-ppocr:latest \
  python web_service.py --platform rk3576 --model_dir /app/model --host 0.0.0.0 --port 8000

REST API

Gebruik de REST API om inferentie uit te voeren. Kopieer de onderstaande commando's.

Curl

curl http://localhost:8080/v1/chat/completions -d '{
  "model": "ppocr-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'

Python

import requests

resp = requests.post(
    "http://localhost:8080/v1/chat/completions",
    json={"model": "ppocr-rknn", "messages": [{"role": "user", "content": "Hello"}]},
)
print(resp.json())

Modeldetails

PPOCR op reComputer RK3576 en RK3588

Deze end-to-end OCR-service komt uit reComputer-RK-CV. Hij detecteert tekstpolygonen, sorteert ze in leesvolgorde, corrigeert elk fragment perspectivisch en herkent elke tekstregel.

Modelinformatie

Component	Bestand
Tekstdetector	`model/ppocr_det.rknn`
Tekstherkenner	`model/ppocr_rec.rknn`
Tekenwoordenboek	`model/ppocr_keys_v1.txt`
Annotatielettertype	`model/simfang.ttf`
Uitvoer	Tekst, betrouwbaarheid, vierhoekscoördinaten, uitsneden en latentie

PPOCR ondersteunt alleen stilstaande beelden. De upstream-service bevat bewust geen besturing voor camera, lokale video of MP4-analyse.

De service uitvoeren

RK3576

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-ppocr:latest \
  python web_service.py --platform rk3576 --model_dir /app/model \
  --host 0.0.0.0 --port 8000

RK3588

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-ppocr:latest \
  python web_service.py --platform rk3588 --model_dir /app/model \
  --host 0.0.0.0 --port 8000

Open http://<BOARD_IP>:8000 of /docs.

Opstartargumenten

Argument	Standaard	Beschrijving
`--platform`	Vereist	`rk3576` of `rk3588`.
`--model_dir`	`model`	Modellen, woordenboek, lettertype en voorbeeldafbeelding.
`--image`	Geen	Stilstaand beeld dat vóór serverstart wordt geanalyseerd.
`--output`	Geen	Pad voor geannoteerd JPG/PNG van `--image`.
`--no_server`	Uit	Afsluiten na verwerking van `--image`.
`--host` / `--port`	`0.0.0.0` / `8000`	Serviceadres en poort.

Een gekoppelde afbeelding analyseren, de annotatie opslaan, JSON afdrukken en afsluiten:

bash

python web_service.py --platform rk3576 --model_dir model \
  --image /data/document.jpg --output /data/document_result.jpg --no_server

REST API

Endpoint: POST /api/models/ppocr/predict

bash

curl -X POST "http://<BOARD_IP>:8000/api/models/ppocr/predict" \
  -F "file=@document.jpg" -F "drop_score=0.5" \
  -F "include_crops=false"

Optionele velden zijn det_threshold, box_threshold, unclip_ratio, drop_score, max_results en include_crops. Andere endpoints bieden status, configuratie, het nieuwste gestructureerde resultaat, de nieuwste geannoteerde JPEG en interactieve OpenAPI-documentatie.

Veld	Standaard	Beschrijving
`det_threshold`	`0.3`	Detectiedrempel voor de pixelkaart, van 0 tot 1.
`box_threshold`	`0.6`	Minimale DB-tekstvakscore.
`unclip_ratio`	`1.5`	Uitbreidingsverhouding van het polygoon, van 0.1 tot 5.
`drop_score`	`0.5`	Minimale herkenningsbetrouwbaarheid in de gecombineerde tekst.
`max_results`	`100`	Maximumaantal regio’s dat naar herkenning wordt gestuurd.
`include_crops`	`false`	Base64 JPEG-uitsneden opnemen in resultaatregels.

Belangrijke antwoordvelden:

json

{
  "success": true,
  "model": "ppocr",
  "result": {
    "text": "Recognized first line\nRecognized second line",
    "lines": [
      {
        "index": 1,
        "text": "Recognized first line",
        "confidence": 0.9621,
        "accepted": true,
        "box": [[42, 31], [286, 29], [287, 72], [43, 74]]
      }
    ],
    "count": 2,
    "timing_ms": {"detection": 54.2, "recognition": 71.4, "total": 129.8}
  }
}

De detectiekwaliteit beïnvloedt herkenning rechtstreeks. Zeer kleine, wazige, gebogen, verticale, contrastarme of sterk gedraaide tekst kan worden gemist, en de eenvoudige leesvolgordeheuristiek past mogelijk niet bij complexe documenten met meerdere kolommen. include_crops=true vergroot het antwoord en is vooral bedoeld voor het webresultatenpaneel. Detector en herkenner zijn pipelinefasen en moeten compatibel blijven met het tekenwoordenboek en de perspectiefuitsnede.

Lokaal bouwen

bash

docker build -f docker/rk3576/ppocr.dockerfile \
  -t rk3576-ppocr:local src/rk3576_ppocr

docker build -f docker/rk3588/ppocr.dockerfile \
  -t rk3588-ppocr:local src/rk3588_ppocr

Invoer en uitvoer

Input: still image. Output: ordered text lines, confidence scores, quadrilaterals, and annotated image.